人脸识别是近年来模式识别 、 图像处理、 机器视觉、 神经网络以及认知科学等领域研究的热点课题之一． 所谓人脸识别 ， 是指给定一个场景的静态图像或动态视频 ， 利用存储有若干 已知身份的人脸 图像的数据库验证和鉴别场景 中单 个或者 多个人 的身份 ． 人脸识 别按 照人 脸信 息 的来 源可 以分 为两 类口 ： 基于静态人脸图像 的识别 和基于包含人脸的动态视频信息的识别． 因为动态视频信息并不能明显提高人脸识别 的性能l2]， 因此本文只研究基于静态人脸图像 的识别．

    作为生物特征识别的一个重要方面， 人脸识别在档案管理系统 、 安全验证系统 、 信用卡验证、 公安系统的罪犯身份识别 、 银行和海关 的监控 、 人机交互等领域具有广阔的应用前景． 与指纹识别、 视网膜识别、 虹膜识别等技术相 比， 人脸识别技术在数据采集

方面手续比较简单 ， 使用者更容易接受． 人脸作为生物特征， 虽然唯一性 比指纹和虹膜要差(基于人脸的识别系统识别率的上限是由同卵双胞胎的出生率决定的[3 )， 在高安全性要求的系统中只能作为辅助手段． 然而， 对于一般安全性要求 的身份验证和鉴别系统 ， 人脸识别技术已经足够应用了．

    虽然人类在婴幼JLn~ 期已经具有了识别人脸的能力， 但建造一个 自动、 高识别率的计算机人脸识别系统并非易事 ， 有许多困难仍然没有得到解决． 这些困难主要表现在： 人脸是 一个三维非 刚性 物体， 表情 、 姿态 、 光源的不同使得 同一个人 的图像千变万化 ； 人脸会随着年龄的增长而变化 ； 眼镜 、 发型、 胡须等对人脸图像存在影 响． 由美 国国防部组织 的 F E—R E T 测试l4 表明， 当光照条件和人脸姿态发生变化后(例如人脸在深度方 向发生偏转 )， 人脸识别系统的识别率会出现严重的下降．

    人脸识别研究在二十世纪六七十年代引起了诸多学科领域研究者的浓厚兴趣． 进入九十年代后 ， 随着各行业对人脸识别系统 的迫切需求， 人脸识别研究再次成为热门课题． 当前世界各 国有许 多研究机构在从事这方面的研究， 这些研究受到军方、 警方以及大公司的高度重视 和资助 ， 美 国军方还专 门组织了人脸识别竞赛以促进人脸识别研究的发展[2]． 经过三十多年的研究， 人脸识别 已经成为图像分析与图像理解领域最成 功的应用之一． 研究人员提 出了很多识别方法， 建成了一些实验系统 ， 也有一些成功的人脸识别商业软件投入市场 ， 例如 B i olD 公 司的产品． IE EE 组织 了专门的人脸和手势识 别的 国际会议 IE E E International C onference on A utom aticFace and G esture R ecogniti on． 国际模式识 别联合会 (International A ssociation for Pattern R ecogni—ti on，IA P R )也组织 了专 门的基于生 物特征 的人类身份识别和验证的国际会议 (A U D IO and V ID E O —B A S E D B IO M E T R IC P E R S o N A U T H E N T IC A —T IO N ，A V B P A )．

    人脸识别作为模式识别的一种 ， 一般可以分为三个组成部分： 从场景 中检测并分割人脸 ； 抽取人脸特征 ； 匹配和识别人脸． 由于人脸检测已经发展成为一个独立的课题 ， 具有特定的思想和方法 ， 所以本文假定人脸 已经被正确检测并从场景 中分割出来 ， 关于人脸检测方面的综述性文章请参考文献r -s]． 又因为需抽取的人脸特征与特定的识别算法有关 ， 因此本文没有专门论述特征抽取算法 ， 而是在论 述识别方法的同时介绍与之相关的特征抽取方法．